ऐसे कई ओपन सोर्स मॉडल हैं जिन्हें पहले से ही ट्रेनिंग दी गई है. इनका इस्तेमाल किया जा सकता है LiteRT का इस्तेमाल करके, मशीन लर्निंग के कई टास्क पूरे किए जा सकते हैं. पहले से ट्रेन किए गए LiteRT मॉडल का इस्तेमाल करके, मशीन लर्निंग को जोड़ा जा सकता है की सुविधा को बिना किसी रुकावट के तेज़ी से अपडेट किया जा सकता है मॉडल बनाने और उसे ट्रेनिंग देने के लिए किया जा सकता है. इस गाइड से, आपको यह तय करने में मदद मिलेगी कि LiteRT के साथ इस्तेमाल करने के लिए मॉडल.
Kaggle पर मॉडल का एक बड़ा सेट ब्राउज़ करना शुरू किया जा सकता है मॉडल.
अपने ऐप्लिकेशन के लिए मॉडल ढूंढना
अपने इस्तेमाल के उदाहरण के लिए, किसी मौजूदा LiteRT मॉडल को ढूंढना मुश्किल हो सकता है इस बात पर निर्भर करता है कि आपको क्या करना है. यहां कुछ तरीके सुझाए गए हैं LiteRT के साथ इस्तेमाल करने के लिए मॉडल खोजने के लिए:
उदाहरण के लिए: TensorFlow के साथ मॉडल खोजने और इस्तेमाल करने का सबसे तेज़ तरीका Lite को LiteRT के लिए ब्राउज़ करना है उदाहरण सेक्शन में जाकर, ऐसे मॉडल खोजे जा सकते हैं जो आपके इस्तेमाल के उदाहरण से मिलता-जुलता टास्क करते हैं. उदाहरणों का यह छोटा कैटलॉग, इन कामों के लिए इस्तेमाल के सामान्य उदाहरणों के बारे में बताता है की मदद से, मॉडल और सैंपल कोड की जानकारी दी जा सकती है, ताकि आप इसे इस्तेमाल करना और चलाना शुरू कर सकें उन्हें.
डेटा इनपुट टाइप के हिसाब से: आपके इस्तेमाल के उदाहरण से मिलते-जुलते उदाहरणों को देखने के अलावा, अपने उपयोग के लिए मॉडल खोजने का एक अन्य तरीका है डेटा के प्रकार पर विचार करना जैसे कि ऑडियो, टेक्स्ट, इमेज या वीडियो डेटा. मशीन लर्निंग मॉडल को अक्सर इस तरह के डेटा के साथ इस्तेमाल करने के लिए डिज़ाइन किया जाता है, इसलिए, आपको ऐसे मॉडल ढूंढने में मदद मिल सकती है जो आपके काम के डेटा टाइप को हैंडल करें यह तय कर सकता है कि किन मॉडल पर विचार किया जाए.
नीचे दी गई सूचियां, Kaggle पर LiteRT मॉडल के लिंक हैं इस्तेमाल के सामान्य उदाहरणों के लिए मॉडल:
- इमेज की कैटगरी तय करना मॉडल
- ऑब्जेक्ट का पता लगाने की सुविधा मॉडल
- टेक्स्ट की कैटगरी तय करना मॉडल
- टेक्स्ट एम्बेड करना मॉडल
- बोली को ऑडियो में बदलने की सुविधा मॉडल
- ऑडियो एम्बेड करना मॉडल
मिलते-जुलते मॉडल में से कोई एक चुनें
अगर आपका ऐप्लिकेशन इस्तेमाल के किसी सामान्य उदाहरण का पालन करता है, जैसे कि इमेज क्लासिफ़िकेशन या ऑब्जेक्ट पहचानने की सुविधा मिलती है. इससे एक या एक से ज़्यादा TensorFlow में से किसी एक को चुना जा सकता है लाइट मॉडल, जिनमें अलग-अलग बाइनरी साइज़, डेटा इनपुट का साइज़, अनुमानित स्पीड, और अनुमान के सटीक होने के आधार पर रेटिंग. कई मॉडल में से एक का चुनाव करते समय, आपके विकल्पों को पहले अपनी सबसे सीमित सीमा के आधार पर छोटा कर देना चाहिए: का आकार मॉडल, डेटा का साइज़, अनुमान की स्पीड या कितना सटीक है.
अगर आपको पक्के तौर पर नहीं पता कि आपके कॉन्टेंट को किस सीमा तक सीमित करना है, तो मान लीजिए कि वह और सबसे छोटा उपलब्ध मॉडल चुनें. छोटा मॉडल चुनने पर आपको उन डिवाइसों के संदर्भ में आपको सबसे ज़्यादा सुविधाएं मिलती हैं जहां मॉडल को डिप्लॉय और रन कर सकता है. छोटे मॉडल आम तौर पर, तेज़ी से काम करते हैं अनुमान और तेज़ रफ़्तार के अनुमान, आम तौर पर असली उपयोगकर्ताओं को बेहतर बनाते हैं अनुभव. आम तौर पर, छोटे मॉडल के सटीक होने की दर कम होती है. इसलिए, आपको का इस्तेमाल करें.
मॉडल के लिए सोर्स
LiteRT का इस्तेमाल करें उदाहरण के लिए सेक्शन और Kaggle मॉडल ने TensorFlow के साथ इस्तेमाल करने के लिए मॉडल खोजने और चुनने के लिए आपका पहला डेस्टिनेशन लाइट. इन सोर्स में आम तौर पर अप-टू-डेट जानकारी होती है. इन्हें चुनिंदा मॉडल के साथ इस्तेमाल किया जाता है LiteRT का इस्तेमाल करें और बार-बार सैंपल कोड का इस्तेमाल करें, ताकि डेवलपमेंट प्रोसेस है.
TensorFlow के मॉडल
सामान्य TensorFlow मॉडल को TensorFlow में बदला जा सकता है लाइट फ़ॉर्मैट. कन्वर्ट होने वाले मॉडल के बारे में ज़्यादा जानने के लिए, TensorFlow देखें Lite Converter दस्तावेज़. TensorFlow के मॉडल यहां उपलब्ध हैं Kaggle मॉडल और TensorFlow मॉडल में बगीचा.